運用技術指標與流動性指標 預測比特幣期貨:樹模型的實證研究

本文探討比特幣期貨在10日、22日與6日三種預測期間的報酬可預測性，並使用技術面與流動性指標作為解釋變數。研究資料來自 Yahoo Finance，涵蓋 2014年9月至2025年7月，樣本切分為70％內樣本與30％外樣本。本文採用的模型包括普通最小平方法（OLS）、主成分迴歸（PCR）、偏最小平方法（PLS）、決策樹以及隨機森林。

　從樣本內的結果顯示，隨機森林在所有預測期間均表現最佳，而這一優勢亦延伸至樣本外的預測效果。研究結果凸顯技術指標與流動性指標之間的非線性交互作用，並支持以樹模型應用於加密貨幣的預測。

　本研究主要貢獻：第一，顯示樹模型，能有效提升加密貨幣期貨的方向性準確率與風險調整績效；第二，實證結果指出中期（10-66日）預測期能降低雜訊，並維持超額報酬。

作者：銘傳大學財金系副教授 許智翔、*銘傳大學財金系副教授 楊重任、銘傳大學財金系教授 李修全

*通訊作者E-mail：cjyang@mail.mcu.edu.tw

發表人：楊重任